随着微博的飞速发展，微博作为一种通过关注机制分享简短实时信息的广播式社交网络平台，吸引了越来越多的网民参与。从2011年12月底中国互联网中心显示的报告可知，我国拥有微博的人数已达到2.5亿人次，占我国网民总数的48.7%，比2010年增加了296%。微博改变了公众信息获取的方式，是一种能够观察和了解正在发生什么的实时民意调查系统。中国的微博已由一种单纯的社交工具，变成舆论监督的利器，便于决策者做出决策。

目前关于微博情感分析的研究主要集中在英文微博方面，而面向中文微博的情感分析研究还在起步阶段。情感分析的主流方法依然是基于监督学习的方法^[1]，2009年Alec等^[2]首次尝试通过训练表情符号特征，使用比较常用的3种机器学习的方法(naive Bayes、maximum entropy和SVM))对Twitter消息进行情感分类，并取得了不错的效果。而Davidiv等^[3]把Tweets中的标签和表情符号作为特征，通过训练一个基于监督学习的、与K近邻(KNN)相似的分类器，来判断Tweets消息的情感倾向性。Jiang等^[4]采用内容、情感词典和主题相关3类特征对Twitters进行主客观和情感极性的分类，并提出了基于图模型的算法来优化情感分类结果。在中文微博的情感分析研究方面，谢丽星^[5]通过从新浪微博提供的API接口抓取实验数据，对微博的链接、表情、情感词和上下文等主题无关的特征的有效性及多种分类方法进行了研究，最终选定4种特征共用及基于SVM的方法对微博消息进行了情感分类。刘志明等^[6]通过对比3种机器学习算法、3种特征选取算法和3种特征项权重计算方法，最终选用SVM、IG以及TF-IDF作为特征项权重对中文微博进行情感分析。

以上是基于监督的机器学习方法对微博进行情感分析，这种方法的第1步是将文本向量化，文本向量化的前提是特征之间的相互独立，这样势必会造成在分析文本时忽视词语的上下文联系。与基于监督学习的情感分析相比，基于规则和无监督学习^[7-8]的研究不是很多。沈阳等^[9]从饭否网抓取实验数据，通过定义态度词典、权重词典、程度词典、否定词典和连接词典来计算每条微博的情感指数，该方法存在的缺点是每个句子中的修饰程度词和否定词只是简单的统计，并没有针对到具体所修饰的情感词。机器学习的方法需要大规模标注的训练集，同时对训练集的质量要求也很高。

基于以上分析，本文提出一种基于语义规则的方法对微博热点话题进行情感分析。事实上，文本情感分析和文本分类最大的区别就在于语义相关性和上下文相关性，使用情感词语和词语的上下文关系来进行文本情感分析才更为合理。

1 微博情感分析

传统文本(如新闻网页、博客等)虽然只是简单的文字描述，但文本一般较长。与传统文本不同，微博文本简短，字数一般在140字以内，并且形式多样，一条微博中除了文字信息，还可以包含网页链接、图片信息、标签、表情符号等。微博的这些新特征对微博文本的情感分析会产生一定影响，例如人们判断一条微博的情感的第一反应就是通过表情符号，通常一条微博的情感与它所含表情符号的情感是相符的。

本文从新浪微博抓取某个热点话题的相关评论，对其采用基于情感词典和基于语义规则2种方法进行情感分析。

1.1 基于情感词典的方法

词典资源是基于情感词典方法的前提，本文使用中文最具权威的知网^[10]词典资源，知网于2007年发布了最新版本“情感分析用词语集(beta版)”，其中中文情感分析用词语集包含中文正面情感词语836个、负面情感词语1 254个、中文正面评价词语3 730个、负面评价词语3 116个。知网虽然对情感词语进行了褒贬分类，但是没有标注情感极性强度。本文将知网中褒义词语的情感极性值设为0.8，贬义词语的情感极性值设为-0.8。

基于情感词典的方法首先对每条微博进行分词、词性标注等预处理，然后依据情感词典判断每条微博中出现的所有情感词以及其强度，并采用极性累加的方法计算每条微博的情感极性，如式(1)：

式中：w_i为一条微博中所含的情感词；P(w_i)为一个情感词的情感极性；P(T)为一条微博的情感极性，若结果大于零，表明微博为褒义倾向，若结果小于零，表明结果为贬义倾向，否则为中性。

1.2 基于语义规则的方法

基于情感词典的方法是对独立的词语进行分析，也就是把词语从句子中孤立出来，忽略词语的上下文关系，因此，称之为词语的原极性。如果孤立地看待这些词语，并不能正确地反映微博消息的情感倾向，必须将上下文的联系考虑进来，才能够提高分析的准确度。因此，在词语情感计算的基础上，应该考虑上下文中能够改变词语情感倾向或者情感强度的修饰副词等。本文将会改变词语极性强度的修饰副词分为2类：第1类是否定词，它会改变极性倾向，如“不”; 第2类是程度词，它会改变极性强度，如“很”、“非常”等^[11]。

另外，微博消息文本有其自身的特征，如包含网页链接(http://t.cn/zWpsuJx)、表情符号()、标签(#孙杨#)等，本文只考虑与微博消息文本的情感极性相关的特征，如表情符号特征，而像网页链接、标签这些特征对微博文本的情感极性影响不大的，则不予以考虑。

1.2.1 情感词

情感词是判断微博文本是否具有情感倾向的一个重要特征。根据人们写作习惯和大量语料分析得知，人们在微博中发表的观点和情感大多是通过情感词的形式实现，情感词的褒贬也通常代表这句子的褒贬。

一般情况下微博文本中都是比较简单的句子，情感词的倾向就直接决定了这条微博的情感倾向，情感词的数量和情感强度对每条微博文本的情感倾向有较大的影响，因此仍然采用极性累加的方法，即通过情感词极性累加公式(1)来计算每条微博的情感极性。

1.2.2 程度副词特征

知网的中文情感分析用词表中提供了程度级别词语，以知网程度级别词语为基础，参考蔺璜对程度副词的分类^[12]，人工整理所使用的程度副词，并把程度词语分为3个级别。第1级的程度词对所修饰的情感词的情感强度大大加强，例如“极其”、“最”。第2级的程度词对所修饰的情感词的情感强度是加强作用，如“很”、“非常”。第3级的程度词对所修饰的情感词的情感强度是削弱作用，如“有点”、“稍微”。3个级别程度词对所修饰情感词的情感强度扩大倍数分别设置为第1级2倍，第2级1.5倍，第3级0.5倍。

如果句子中情感词语前面有程度词修饰，那么被修饰的情感词语的情感强度必然发生改变，进而会影响到这个句子的情感强度。一个程度副词后面可以有多个情感词，同样一个情感词也可以被多个程度副词所修饰。本文处理程度副词的方法是把情感强度加到其后修饰的第1个情感词上，情感强度对情感词w_i的影响因子γ定义为

式中：D(d_k)为程度副词的情感强度扩大倍数。

1.2.3 否定词特征

本文参考郝雷红对否定副词范围的界定^[13]，选取“不是”、“不会”、“不要”、“没有”等30个常见否定词作为否定副词表，并将其极性强度设置为-1。

否定词在句子的情感倾向性判断上有着重要作用。如果褒义词前面出现否定词，整个词汇的语义就会发生逆转，进而影响整个句子的情感倾向性。例如“我喜欢你”，在情感词前面加上否定词“不”，整个句子的情感极性就会发生改变。本文处理否定词的方法是将否定加到其后的第1个情感词上，当一个情感词前面出现不只一个否定词时，则根据否定词出现的次数来判断情感词的极性，出现奇数次则情感词的极性逆转，否则情感词的极性不发生改变。因此，否定词对情感词w_i的影响因子η定义为

1.2.4 表情符号特征

很多微博用户习惯在发布消息时加上一些表情符号，这些表情符号通常是由微博平台提供，方便用户的使用。微博消息中的表情符号被抓取后的表现形式变为中括号加文本，如表情符号“”相应文本为“嘻嘻”。用户选择不同的表情符号表达了不同的情感色彩，因此，本文把新浪微博平台提供的常用表情符号分为正向和负向2类。

一般情况下，如果一条微博消息包含表情符号，那么首先选择通过表情符号来判断一条微博的情感倾向。一条微博中可以包含多个表情符号，因此，首先需要对一条微博消息中的正向表情符号个数e_P和负向表情符号个数e_N进行统计，并把表情符号对整条微博的情感倾向影响因素δ定义为

式中：当δ>0时，就认为该微博为褒义倾向; 当δ < 0时，表明该消息为贬义倾向; 否则通过其他特征来判定该条微博消息的情感倾向。

1.2.5 情感计算

因为微博文本内容较短，一般都在140字以内，通常也只包含一两句话，并且句法分析技术直接用于微博文本存在错误率较高的问题，所以本文省略了对微博文本进行句法分析，不再分句，从而直接对整条微博进行处理。综合考虑以上几个特征使用式(2)对一条微博的情感倾向值P(T)进行计算：

若P(T)计算结果大于零，表明微博为褒义倾向；若结果小于零，表明微博为贬义倾向；否则为中性。

2 实验结果与分析

利用ROST虚拟学习团队开发的新浪微博搜索数据抓取工具，抓取了在伦敦奥运会期间新浪微博上的热点话题“国羽女双输球”的50页共924条相关评论，经过人工识别，其中13条评论与此话题无关，443条是负面评论，412条是正面评论，还有56条是中性评论。一条微博中包含褒贬2种态度的取其中一种较为明显的态度，否则归为中性。

首先对每条微博评论进行分词、词性标注等预处理，然后分别采用上节介绍的基于情感词典的方法和基于语义规则的方法分析处理微博评论，最后分别得到正面、负面和中性的评论数目，并与人工识别的结果相比较和计算2种方法的准确率(P)。实验结果如表 1所示。

通过表 1，可以看到基于语义规则的方法比基于情感词典的方法的准确率有了明显的提升，说明在微博消息处理中上下文语义关系和表情符号对一条微博的情感倾向的判断有着重要的影响，同时也说明了基于语义规则的方法是有效可行的。

本文从召回率(R)和F值(F-measure)2个方面对所提方法和情感词典方法做了进一步比较，结果如表 2所示。

召回率(R)表示为

式中：A表示分类正确的文本数目，C表示分类错误和没有被分类的文本数目。F值的表达式为

由表 2可以看出，基于语义规则的方法比基于情感词典的方法在召回率和F值方面都有了明显的提升，基于语义规则的方法能得到最好的分类效果，其F-measure分别为正面68.7%、负面69.6%和中性17.6%。F-measure是对准确率与召回率的综合评估。表 2进一步说明了在微博情感分析中，基于语义规则的方法是有效可行的。

对造成情感判断错误的原因进行分析，由于网络中出现的一些网络词语导致情感词、修饰词未能识别，对分类结果造成影响，另外由于微博中的反讽、隐喻等表达方式也对分类结果造成一定影响。

3 结束语

本文根据中文微博的特点，在情感词的基础上综合考虑了微博消息文本中的修饰程度副词、否定词和表情符号特征，提出一种基于语义规则的方法对微博热点话题进行情感分析，并与基于情感词典的方法做了实验对比，实验结果证明了所提方法的有效性和可行性。

另外，虽然该方法在微博消息文本情感倾向性识别的准确率上有了一定提高，但整体水平不是很高，主要是由于微博文本情感分析中缺少情感所属对象的识别，以及微博上反讽和网络新语的出现，这些都是情感分析中的难点，未来的工作将考虑上属情况对微博情感分析做进一步研究。